基于PPO算法的集群多目標(biāo)火力規(guī)劃方法

打開文本圖片集

摘要： 針對高動態(tài)戰(zhàn)場態(tài)勢下防御作戰(zhàn)場景中的多目標(biāo)火力規(guī)劃問題，提出一種基于近端策略優(yōu)化算法的火力規(guī)劃方法，以最大化作戰(zhàn)效能為目標(biāo)，從彈藥消耗、作戰(zhàn)效果、作戰(zhàn)成本及作戰(zhàn)時間4個方面設(shè)計強(qiáng)化學(xué)習(xí)獎勵函數(shù)。考慮歷史決策序列對當(dāng)前規(guī)劃的影響，以長短期記憶網(wǎng)絡(luò)（long short-term memory， LSTM）為核心，基于Actor-Critic框架設(shè)計神經(jīng)網(wǎng)絡(luò)，使用近端策略優(yōu)化算法訓(xùn)練網(wǎng)絡(luò)，利用訓(xùn)練好的強(qiáng)化學(xué)習(xí)智能體進(jìn)行序貫決策，根據(jù)多個決策階段的態(tài)勢實(shí)時生成一系列連貫火力規(guī)劃方案。（剩余20466字）